コンサルタントのためのAIライティング:あなたらしさが残るクライアントコミュニケーション
コンサルタント向けAIライティング。ChatGPTで書いたクライアント宛の下書きが誰のものとも同じに読める理由、クライアントがあなたのメールで実際に認識しているもの、そして20分でできる解決法。
By Emmanuel
TL;DR: コンサルタントのためのAIライティングは最初のクライアント宛メールで破綻します。しかも、破綻の仕方は決まっています。下書きは正確で、丁寧で、誰が書いたものとしても通用する。これは「プロフェッショナルで温かみのある」がトーンのラベルであり、トーンのラベルは声ではないからです。あなたの声は文の長さ、限定表現の位置、接続の仕方、句読点に宿ります。クライアントはこの4つを、何か月分ものあなたのメールから学習しています。AIはあなたのトーンを知りません。トーンを説明する言葉を知っているだけです。解決法は、過去のクライアント宛メール5通から自分の癖を読み取り、ルールとして書き出し、モデルが毎回のリクエストで読む場所に置くことです。プロンプトは「こう聞こえたい」という希望を記したものです。自分の文章から作ったプロフィールは、実際にどう書いているかの証拠であり、新しいモデルが出るたびに、その証拠はより正確に実行されます。
今週の進捗をChatGPTに貼り付け、クライアント向けの報告を頼めば、6秒で返ってきます。構成は正しい。丁寧さの程度も適切。そして、誰が書いたものとしても通用します。
そのクライアントは、あなたのメールを40通読んでいます。あなたが「ご清栄のこととお慶び申し上げます」ではなく、前回から何が変わったかで書き始めることを知っています。依頼の前にリスクを置くことも知っています。この下書きはどちらもしていません。クライアントは報告の中身を読む前に、そのことを読み取ります。
要点まとめ:コンサルタントのためのAIライティング
- トーンのラベルは声ではありません。「プロフェッショナル、明快、温かみ」は何千人ものコンサルタントに当てはまり、モデルはそれを全員共通の一つの文体に落とし込みます。クライアントは内容より先に形を聞き取ります。提案がどこに置かれるか、納期に含みをいくつ持たせるか、どう締めるか。それがあなたの指紋であり、数えられます。平均は測定できます。当社の320サンプルのベースラインでは、英語のAI出力はフォーマリティスコア58、一貫性スコア53です。一定のリズム、程よい含み、どのリクエストでも同じ。新しいモデルでは解決しません。能力と条件付けは別の層です。より強いモデルは曖昧な形容詞にいっそう忠実に従い、より滑らかな平均を出します。過去のメール5通で十分です。一度そこから癖を読み取り、ルールとして書き出せば、モデルはそれ以降のすべてのクライアント宛メールに引き継ぎます。
コンサルタントのためのAIライティングが最初のクライアント宛メールで失敗する理由
コンサルティングの関係は、同じ人物が何度も読む少数の文書で成り立っています。毎週の進捗報告、案件の始まりに送る提案書の送付メール、案件ごとに2、3回ある悪い知らせのメール。クライアントはこれらから書き手を学びます。一つの文体で、予測できるペースで。しかもその学習は無意識です。誰もコンサルタントの文体を分析などしません。ただ知っているのです。廊下を歩く同僚の足音がわかるのと同じように。
これが、コンサルタントをAIによる下書きの最も難しいケースにしています。社内メモは20人が読みますが、それぞれが目にするのは四半期に1通です。クライアント向けの進捗報告は2人が読み、その2人は週に1通を目にします。読み手は少なく、注意深く、あなたに慣れています。同じ内容で歩き方の違う下書きが届いたとき、反応は「これはAIが書いた」ではありません。「この案件で何かが変わった」です。コンサルタントにとって、請求書と請求書の間にクライアントがそう感じることほど悪いことはありません。
AIで下書きを試してやめたコンサルタントのパターンはいつも同じです。下書きは正確に返ってくるのに、結局書き直してしまう。正確さが問題だったことは一度もないからです。それは自分のものではなかった。コンサルタント向けプロフィールページでは、それに代わる選択肢がどのようなものかを示しています。
クライアントがあなたの文章で実際に認識しているもの
クライアントが認識しているのは語彙ではなく、配置とリズムです。担当コンサルタントのメールがどんな調子かをクライアントに聞けば、形容詞が返ってきます。率直、慎重、丁寧。AIの下書きで何に気づいたかを聞いても答えられません。気づいたのは、言葉にしたことのない位置と回数の集合だからです。実際に送ったメールと、同じ報告をAIに書かせた下書きを並べると、コンサルタントが目にするのは次のようなものです。
| クライアントが学習していること | AIの下書きが代わりにすること |
|---|---|
| 1行目で先週から何が変わったかを述べる | 1行目が挨拶、または案件全体の要約 |
| 判断を求める依頼の前にリスクが登場する | 依頼が先に来て、リスクは第3段落に埋もれる |
| 納期への含みは1つ、常に同じ表現(「金曜までに承認いただける前提で」) | 納期への含みが2つか3つ、毎回違う表現 |
| 提案の文は12語未満 | 提案の文は25語で、条件が2つ付く |
| 状況は箇条書き、判断は文章 | 全部が箇条書き、または全部が文章 |
| 締めは次のステップと日付 | 締めは「ご不明な点があればお知らせください」 |
| 感嘆符なし、質問はメール1通に多くて1つ | 冒頭に感嘆符、締めに質問3つ |
どの行も配置かリズムの選択です。文法の誤りは一つもありません。クライアントはどの行が気になったのかを言えませんし、言う必要もありません。そのメールがあなたではないことを知っているのです。
これがトーンと声の違いであり、形容詞はあなたの声ではない理由です。声は文の長さ、限定表現の位置、接続の仕方、句読点に宿ります。トーンは、その効果を誰かが説明するために使う言葉です。モデルが受け取るのは、いつもその言葉だけです。
「プロフェッショナルで温かみのある」ではなぜ解決しないのか?
よくある対処法はどれも「より良い説明」であり、説明にはあなたについての情報がほとんど含まれていないからです。AIはあなたのトーンを知りません。トーンを説明する言葉を知っているだけです。対処法は概ね次の順番で試され、いずれも同じ理由で失敗します。
形容詞のリストを長くする。 「率直、構造的、温かいがカジュアルではない、専門用語なし、クライアントに親切」。形容詞が増えるごとに文体はわずかに絞られますが、あなたについては何も語りません。2人のコンサルタントがどちらも率直で構造的でありながら、数えられる特徴のすべてで異なることはあり得ます。一方は変化から書き始め、もう一方は必要な判断から書き始める。一方は「現行スコープでは」と含みを持たせ、もう一方は「要件に変更がない前提で」と持たせる。一方は6語の提案を書き、もう一方は代替案付きの20語の提案を書く。形容詞のリストは両者に当てはまります。モデルはその中間を選びます。
メールの実例を1通貼り付ける。 これは近づいていますが、より微妙な形で失敗します。モデルはそのリクエストでは実例の表面を真似し、次のリクエストでは元に戻ります。さらに悪いのは、1通のメールは1つの場面でしかないことです。実例が良い知らせの報告だった場合、モデルは成果から書き始めることを学び、マイルストーンの遅れを伝える場面、あなたなら計画から書き始める場面でもそうします。その場その場のスタイルはプロフィールではありません。プロフィールとは、状況の異なる40通のメールを通して変わらないものであり、1つのサンプルではそれを示せません。
この3つが生み出す文体は測定できます。5つのモデルと4言語にわたる320サンプルから構築した当社の「平均的なAI」ベースラインでは、英語のAI出力はフォーマリティスコア58、一貫性スコア53です。当社のスケールにおけるフォーマリティは、1,000語あたりの含みの頻度、機能語の密度、セミコロンの使用を加重したものです。一貫性は文の長さがどれだけ均等に分布しているかを測ります。53というスコアは、程よく均一なばらつきを意味します。5語の断定もなければ、3つの条件を抱えた30語の文もありません。このベースラインをどう構築したかに方法をまとめています。要約すれば、モデルは分布の中央を書く、どのリクエストでも、どのコンサルタントに対しても、ということです。
3つのクライアント文書、3つの文体
同じコンサルタントでも、進捗報告、提案書、悪い知らせのメールは違う書き方をします。単一のトーンのラベルはその3つを平均してしまいます。「率直で温かい」というプロフィールは、提案書をぶっきらぼうにしすぎ、悪い知らせのメールを明るくしすぎます。3つの仕事に対して設定が1つしかないからです。自分の送信済みフォルダを読めば、次のようなものが見つかるはずです。
- 毎週の進捗報告。 3つの中で最も文が短い。完了したものは箇条書き、判断は1段落、日付付きの次のステップ。含みはほとんどない。事実は事実だから。
- 提案書の送付メール。 最も文が長い。限定表現が多く、早めに置かれる(「これまでの2回のワークショップを踏まえると」)。提案はやはり短いが、枠組みを示した後、遅れて登場する。
- 悪い知らせ。 計画の後に問題か、問題の後に計画か。ただし、あなたにとっては常に同じ順番。明示的な認めの言葉は1つ、決して2つではない。最後の行には具体的な日付。
これらは一つの声の3つの文体です。言葉は変わり、形は変わりません。文脈をまたいで一つの声を保つ仕組みについては文体とコンテキストの切り替えで書きました。クライアント業務はその最も鋭いケースです。クライアントは3つの文書をすべて目にし、その背後に同じ人物がいることを期待するからです。
クライアントコミュニケーションのためのルールブロック
ルールブロックとは、自分のメールから読み取った数えられる指示の集合で、各行を出力と照合できるように書かれたものです。形容詞のリストの代わりになります。以下は、実在するコンサルタントの送信済みフォルダから作り、細部を変えたものです。
CLIENT COMMS RULES
Status updates:
- Sentence one states what changed since the last update. No greeting line.
- Shipped items as bullets, max 6 words each. Judgement as prose, one paragraph.
- Risk before ask. If a decision is needed, the risk it resolves comes first.
- One hedge per timeline, phrased "assuming [condition] by [date]".
- Recommendation sentence under 12 words.
- Close with one next step and a date. Never "let me know if you have questions".
Proposal cover notes:
- Sentences may run to 25 words. Qualifiers go in the first half of the sentence.
- Framing paragraph first, recommendation second, price and scope last.
- One question to the reader, in the final paragraph.
Difficult news:
- Plan first, problem second. One acknowledgement sentence, never two.
- No exclamation marks. No "unfortunately". Name the owner of the fix.
- Final line is a date.
All documents:
- No semicolons. No "I hope this finds you well". No "please find attached".
どの行も出力と照合できます。どの行も、すでに送ったものから生まれています。これがプロンプトとプロフィールの違いです。プロンプトは希望であり、プロフィールは記録です。
コンサルタントのためのAIライティングを20分で整えるには?
プロフィールに一度だけ20分を使い、その後はメール1通あたり2分です。サンプルは送信済みフォルダにすでにあり、5通で十分です。
ステップ1:進捗報告3通、提案書の送付メール1通、悪い知らせのメール1通を取り出す(5分)。 進捗報告は異なる案件から、できれば良い週と悪い週を1通ずつ選びます。知らせが変わっても変わらないものをプロフィールが捉えられるようにするためです。クライアントが承認したツール以外に貼り付ける場合は、クライアント名と数字を伏せてください。プロフィールが測るのは書き方であり、内容は無関係です。ライティングサンプルの選び方に一般的なルールをまとめています。クライアント業務に固有のルールは、書いたまま送ったメールのほうが、同僚と4回書き直したメールより価値があるということです。
ステップ2:説明せず、数える(10分)。 2つ目のセクションの表を上から順にたどり、各行の横に数字か表現を書きます。「私は率直だ」ではなく「3通中3通で1文目に変化を述べている」。「慎重に含みを持たせる」ではなく「納期への含みは1つ、常に『〜までに承認いただける前提で』」。少なくとも1つの数字には驚くはずです。多くのコンサルタントは、自分の提案の文がいかに短いか、そして日付で締めることがいかに多いかに驚きます。
ステップ3:数えた結果をルールとして書く(5分)。 上のブロックをテンプレートとして使います。そして、モデルが毎回のリクエストで読む場所に置きます。ChatGPTのカスタム指示かプロジェクト、Claude Projects、Gemini の Gem です。メールの声のためのChatGPTプロジェクトで配置の手順を説明しています。一度置いておくことが、プロンプトではなくプロフィールにする鍵です。貼り付けを思い出さなくても、ルールは来週金曜の報告に適用されます。
ステップ4:ルールをもとに下書きし、下記の5分チェックを実行する。 モデルに今週の事実、リスク、必要な判断を渡します。下書きが返ってきたら、同じクライアントに送った直近の実際のメールと並べます。
送信前の5分チェック
4つの比較で、ルールが機能しているかがわかります。下書きと、同じクライアントに送った直近の実際のメールの両方で実行してください。
- それぞれの1文目を丸で囲む。何が変わったかを述べているか、それとも挨拶か。
- それぞれでリスクと依頼を見つける。順番は同じか。
- それぞれで主要な納期への含みを数える。数も表現も同じか。
- それぞれで提案の文の語数を数える。差は3語以内か。
下書きが4つのうち2つで外れていれば、ルールが機能していないか、モデルがそれを読んでいません。通れば、クライアントは今週の事実とあなたの歩き方を備えた報告を読むことになります。それこそが唯一意味のある結果です。ビジネスリーダーのためのChatGPTでは、同じプロフィールが適用できるより広い範囲の文書を扱っています。ステアリングコミッティ向けのメモ、案件終了時のサマリー、判断の詰まりを解く2行のメールなどです。
より良いモデルが差を縮めるのではなく広げる理由
次のGPTや次のClaudeなら、優れたコンサルタントの書き方をそのまま知っているだろう、と期待されます。前のモデルよりはよく知っているでしょう。それでも、あなたの書き方は知りません。モデルの能力とユーザーデータによる条件付けは別の層です。開発元はリリースごとに前者を向上させますが、後者を供給することはできません。後者はあなたのメールから来るものであり、開発元はそれを見たことがないからです。曖昧な形容詞を与えられれば、より強いモデルはより滑らかな平均を出します。これがより良いAIモデルでもあなたの声は知らない理由であり、モデルが向上するにつれて、汎用の下書きとあなたの文章との距離が縮まるのではなく広がる理由です。
同じ分離は、プロフィールが存在すればあなたの味方になります。「依頼の前にリスク、納期ごとに含みは1つ、提案は12語未満」は細やかな指示です。新しい世代が出るごとに細やかな指示への忠実さは高まり、あなたのプロフィールは前より正確に実行されます。OpenAI自身のカスタム指示のドキュメントは、この仕組みをモデルがすべての応答に適用する永続的な設定として説明しています。ルールブロックが収まるべき場所はまさにそこです。モデルは自力で向上する層です。あなたのプロフィールは、あなただけが供給できる層であり、クライアントが耳を澄ませているのはそちらです。
MyWritingTwinが数える作業を引き受けます。ライティングDNA分析は、手元にあるクライアント宛メールから文のリズム、含みの位置、フォーマリティ、句読点を、320サンプルの「平均的なAI」ベースラインと比較して測定し、その測定値をスタイルプロフィールに変えます。それをChatGPT、Claude、Gemini、あるいはクライアントのポリシーが許すどのツールにも持ち込めます。Pro プランでは、進捗報告、提案書、悪い知らせのメールそれぞれに別々のコミュニケーションマトリックスのセクションを構築します。同じコンサルタントでもこの3つは違う書き方をするものであり、一つのプロフィールがそれらを平均してしまうべきではないからです。
よくある質問
コンサルタントがクライアントに気づかれずにAIでメールを書くことはできますか?
できます。ただし、モデルがトーンのラベルではなく、あなた自身の癖をもとに動いている場合に限ります。あなたのメールを半年読んできたクライアントは、その形を学習しています。提案がどこに置かれるか、納期にどう含みを持たせるか、どう締めるか。AIがその形を再現できるのは、あなたが測定値を渡したときだけです。「プロフェッショナルで温かみのある」という指示を与えれば、AIはこれまで読んだあらゆるコンサルタントの平均を出力し、あなたを知るクライアントは2段落以内に気づきます。
AIで書いたクライアント向けの進捗報告が、なぜテンプレートのように読めるのですか?
指示そのものがテンプレートだったからです。「プロフェッショナルで、明快で、クライアントにふさわしい」は何千人ものコンサルタントに当てはまる説明であり、モデルはそれを全員に共通する一つの学習済みの文体へと解釈します。AIはあなたのトーンを知りません。トーンを説明する言葉を知っているだけです。声は文の長さ、限定表現の位置、接続の仕方、句読点に宿りますが、そのどれも形容詞には含まれていません。
次のChatGPTやClaudeのリリースなら、クライアントコミュニケーションを自力でうまく書けるようになりますか?
より滑らかな平均を書くようになります。モデルの能力とユーザーデータによる条件付けは別の層です。リリースごとに、モデルが指示にどれだけ忠実に従うかは向上しますが、あなたが直近に送った40通のクライアント宛メールを含むリリースは存在しません。開発元はそれを見たことがないからです。同じ向上は、プロフィールを持った後にはあなたの味方になります。より強いモデルは「提案は1文目に、含みは納期ごとに1つ」という指示を、前のモデルより正確に実行するからです。
プロフィールを作るためにクライアントとのやり取りをChatGPTやClaudeに貼り付けても安全ですか?
あなたの声を残しつつ、機密性が最も低いメールからプロフィールを作ってください。終了した案件の進捗報告、提案書の送付メール、自分で書いた社内向けの要約などです。クライアント名や数字は伏せてください。プロフィールが測るのはあなたの書き方であり、内容は無関係です。プロフィールが完成すれば、そこに残るのはあなたのスタイルに関するルールだけで、元のメールの中身は含まれません。ですから、クライアントのポリシーが許すどのツールにも持ち込めます。
何かを決める前にクライアントコミュニケーション向けのプロフィールがどのようなものかを見ておきたい方は、コンサルタント向けプロフィールページで一例を順に紹介しています。無料の Writing DNA スナップショットは、あなたのサンプル数点を「平均的なAI」ベースラインと比較して測定し、モデルがあなたをどこで平坦にしていたかを1枚のチャートで示します。
AIにあなたらしい文章を書かせる
手作業でAIの出力を調整する方法を読んだところで、MyWritingTwinなら実際の文章から自動で行えます。サンプルをいくつか貼り付けるだけで、ChatGPT・Claude・Geminiで使えるボイスプロファイルが完成します。
無料でプロファイルを作成まだ早い?AIボイスプロファイルのガイドをメールでお届けします。